夜间的街道，湿润的柏油马路反光柔和，路灯在绿化带边缘投下暖橙色的光晕。一个年轻女生蹲在路沿上，低头看手机，碎发从丸子头散落下来。画面带有轻微的运动模糊，构图随意得像地铁里被人不小心按下快门。
不是专业摄影师的作品。这是一条 Prompt 生成的结果。
AI 的画太”干净”——这个问题很多人在讨论。皮肤零毛孔、光线完美均匀、构图像教科书，一看就不像活的。市面上已经有各种解法：加噪点、降分辨率、模拟旧相机参数。但这条 Prompt 走了一条不同的路。
它不靠后期模拟，而是在 Prompt 层面提前注入真实拍摄中不可避免的物理限制。下蹲的姿态、路灯的环境光、动态模糊的痕迹——这些在传统 Prompt 写作中会被刻意回避的”缺陷”，在这里成了制造真实感的核心工具。
这个策略，可以称为「物理约束编码法」。
Prompt 全文预览
这是一张用普通手机随手抓拍的日常快照，略带动态模糊，角度随意构图自然，主角是一位年轻中国女性，中等身高，身材偏瘦，腰细肩窄，鹅蛋脸，面部线条柔和，留深棕色高盘丸子头，散落碎发修饰脸型，皮肤状态自然清透，化淡妆，底妆干净，眼妆清淡，涂红色口红，低着头看向手中的手机，神情放松专注，她蹲在城市路边的人行道路牙上，身体微微前倾，双手握住手机，手指放在屏幕上，穿着内搭黑色背心，外穿米白色露肩长袖上衣，下装搭配短裤，脚穿白帆布鞋，配饰为黑色串珠颈圈和长款圆环耳环，背景是夜晚湿润的柏油马路，路边有茂密绿色绿化带，整体是夜晚户外城市街景，俯拍角度，视觉聚焦在人物和手机上，环境光来自城市街道路灯，人物面部柔和打光，明暗过渡自然，整体色调偏暖，低饱和度，带有生活化氛围感，保留自然真实的街头夜景质感，添加日常写实滤镜，强化松弛随性的生活故事感。
核心策略一句话
不是告诉 AI”画一张好看的街拍”，而是在 Prompt 中预设五层物理限制——姿态、光学、环境、质感、服化道——让 AI 无法启动”完美画面脑补”模式，只能在真实拍摄的约束条件下出图。
逐维度拆解
腿蹲麻了的瞬间，比摆拍更真实
这条 Prompt 最关键的设计，不在光影也不在调色，在姿态。
“蹲在城市路边的人行道路牙上，身体微微前倾，双手握住手机，手指放在屏幕上”——这不是一个”好看”的姿势。蹲姿让身体重心下沉，脊柱弯曲，肩膀内收，从任何摄影教科书的角度看都不够优雅。传统人像 Prompt 会要求模特站立、倚靠栏杆、或至少坐姿挺拔。
但这条 Prompt 故意选择了蹲姿。原因很简单：真正的夜晚街拍，没人会在路沿上摆 pose。等车时蹲着刷手机、下班后蹲在路边回消息——这才是真实城市生活中的身体语言。
俯拍角度进一步放大了这个效果。俯拍 + 蹲姿 = 视线从上方压迫下来，人物显得更小、更融入环境。而这恰好是朋友走过时低头看手机屏幕的那个视角：不经意的、带着一点好奇的俯视。这个维度的核心逻辑：如果站姿和坐姿是”被看”的姿态，蹲姿就是”没在看你”的姿态——AI 面对”没在看你”的指令时，生成结果自然会丢掉表演感。
动态模糊不是 Bug，是光学指纹
“略带动态模糊”——短短六个字，承担了整个 Prompt 的真实感锚点。
AI 图片最大的破绽之一就是锐度。每一根发丝、每一处纹理都纤毫毕现，这种”超解析”反而暴露了它不是相机拍的。真实手机在低光环境下拍摄运动或半运动物体，一定会产生轻微模糊。这不是技术缺陷，是物理定律。
动态模糊在这个 Prompt 中的作用类似数字水印——它在画面上留下了光学系统的痕迹。画面一旦有了这个痕迹，观察者的视觉系统就会自动将图片归类为”拍摄的”而非”生成的”。这条 Prompt 的克制之处在于：它说”略带”而非”强烈”。略带动态模糊更接近手机在暗光环境手持拍摄的典型表现——不糊成鬼影，但也不锐得扎眼。这种精确的剂量控制，比直接写”模糊一点”高出一个层级。
加上”角度随意构图自然”，直接点明这不是精心构图的产物。歪一点、偏一点，边角歪斜入镜的路灯，都成了真实感的加分项。传统 Prompt 的”完美构图”思维在这里被完全颠覆。
把棚拍灯拆掉，换成路灯
光线是整个 Prompt 中信息密度最高的部分。”环境光来自城市街道路灯，人物面部柔和打光，明暗过渡自然，整体色调偏暖，低饱和度”——这一段组合拳直接拆掉了 AI 默认的”摄影棚灯光”。
AI 图像模型的默认行为是在良好光照条件下生成内容。如果不明确指定，模型倾向于使用中性白平衡、均匀照度、柔和的正面光——说白了就是棚拍那套审美。但真实的夜晚街拍，光源永远是杂乱的、混合的、不可控的。
路灯的环境光有一个关键特性：色温偏高（偏暖），照度不均（灯柱下方亮，远处暗），并且会在湿润的柏油马路上产生反射——Prompt 中”夜晚湿润的柏油马路”恰好与”路灯””暖色调”形成了光学上的闭环。湿润路面会漫反射路灯的暖光，让画面底部也有微弱的光源呼应，避免头重脚轻。
“低饱和度”的声明同样关键。夜间的暖光路灯虽然色温偏暖，但人眼在暗光环境中的色彩分辨力会下降，加上手机传感器的噪点抑制算法，最终成像往往呈现一种褪色的暖调——不是浓烈的橙，是淡淡的黄。这条 Prompt 精准把握了这种微妙的色彩退让。
不是声明”要真实”，是把美颜滤镜拆掉
“保留自然真实的街头夜景质感，添加日常写实滤镜，强化松弛随性的生活故事感”——这一段是全篇的防御层。
AI 图像生成的默认管线中，隐含着一层”美化倾向”。即使不写任何美颜相关的词，模型在处理人像时也会自动柔化皮肤、提高对比度、优化面部比例。这不是 Prompt 的问题，是模型训练数据中高质量商业摄影素材占比过高导致的系统性偏置。
“保留自然真实的街头夜景质感”是一个反向指令。它告诉模型：不要启动那条美化管线。不要柔化、不要提亮、不要优化。保留噪点、保留暗角、保留画面中那些”不完美”的部分。
“日常写实滤镜”与”松弛随性的生活故事感”则是更进一步的氛围锁定。前者是技术层的约束——模拟手机拍完直接出片的观感，没有后期精修的介入。后者是叙事层的约束——这张图讲的不是”模特在拍广告”，而是”一个晚上的城市生活”。
这条 Prompt 中还有一个容易被忽略的细节：”皮肤状态自然清透，化淡妆，底妆干净，眼妆清淡”。这不是在美化，恰恰是在限制美化。明确写出”淡妆””底妆干净”意在告诉模型：不要自动套用浓妆模板。AI 模型对”女性”这个词的美妆关联非常强——如果不加限制，默认往往会叠加上浓眼影、假睫毛、高饱和唇色。这条 Prompt 用具体的妆面描述锁死了模型的”脑补”权限。
为什么衣橱细节比构图更重要
“内搭黑色背心，外穿米白色露肩长袖上衣，下装搭配短裤，脚穿白帆布鞋，配饰为黑色串珠颈圈和长款圆环耳环”——这一段在 Prompt 中占了大量篇幅。
如果只写”穿着时尚””穿着休闲”，AI 会怎么做？它会从训练数据中提取”时尚”或”休闲”最常见的视觉关联，输出一个模糊的平均值。结果就是那种让人说不上哪里不对、但一看就不是真人的穿搭。
这段 Prompt 用精确的服化道描述堵死了 AI 的模糊空间。黑色串珠颈圈、长款圆环耳环——这两个配饰没有一个是 AI 的默认选项。AI 模型对”女性配饰”的默认联想通常是珍珠项链或金属细链，串珠颈圈是更具体、更亚文化、更非商业的选择。长款圆环耳环同样是特定风格的配件，不是通用模板。
服化道细节在物理约束编码中的角色是：用具体的、非默认的、带风格辨识度的物品，锁死 AI 的”平均值输出”。这不是在告诉 AI 穿什么好看，而是在告诉 AI”你不会猜到的，直接按写的来”。白帆布鞋、米白色露肩长袖、黑色背心——米白+黑+白的配色在暖黄路灯下会形成一组明确的黑白灰关系。露肩的米白上衣在路灯光照下会比其他颜色更亮，形成画面中自然的高光区域，引导视线自然落到人物上半身，构成一条从暗色路面→亮白上衣→深色发髻的垂直视觉推进链。
技术参数表
| 参数项 | 本 Prompt 配置 |
|---|---|
| 核心策略 | 物理约束编码法（五层约束） |
| 姿态约束 | 蹲姿 + 俯拍 + 低头看手机 |
| 光学约束 | 略带动态模糊 + 随意构图 |
| 光线约束 | 夜晚路灯环境光 + 面部柔光（非棚拍） |
| 质感约束 | 保留真实感 + 日常写实滤镜 + 低饱和度暖调 |
| 服化道约束 | 黑色背心 + 米白露肩长袖 + 短裤 + 白帆布鞋 + 串珠颈圈 + 圆环耳环 + 丸子头碎发 |
| 目标模型 | doubao-seedream-5.0-lite（Agent Plan） |
| 推荐分辨率 | 2K |
可迁移：物理约束编码的四个通用维度
如果把”物理约束编码法”抽象化，它不只适用于夜景街拍。任何想让 AI 产出”去 AI 感”图片的场景，都可以套用这四个维度逐一注入约束。
1. 姿态维度：选择”非展示性”身体语言。
人像 Prompt 的通病是让人物”展示”——面对镜头、微笑、展示服装。物理约束编码要求反过来：让角色在画面中做一件与”被拍照”无关的事。蹲着看手机、弯腰系鞋带、侧身接电话——身体语言越纯粹地服务于角色当下做的事，画面就越不像摆拍。应用到其他场景：办公室里不是”对着镜头笑”而是”盯着屏幕揉太阳穴”；咖啡馆里不是”举着咖啡看向镜头”而是”单手托腮刷手机”。这个维度的技巧在于——人物做的事越具体、越琐碎、越不”好看”，画面的可信度就越高。
2. 光学维度：在 Prompt 中声明成像缺陷。
每个真实的成像系统都有缺陷。手机在暗光下会产生噪点和动态模糊，广角镜头有畸变，逆光会有炫光。把这些缺陷明确写进 Prompt，等于给画面增加了物理世界的”署名”。关键是剂量——”略带”比”强烈”更自然，”轻微噪点”比”高噪点”更可信。剂量太大会被识别为刻意做旧，剂量太小则形同虚设，需要根据场景光源强度来判断：暗光场景加大动态模糊剂量，逆光场景添加轻微炫光，长焦场景增加边缘柔化。
3. 环境维度：用不可控光源替代标准布光。
AI 默认光线 = 均匀的柔和正面光。物理约束编码要求把光源交还给不可控的环境：路灯、霓虹、车窗反光、手机屏幕光。多光源交叉产生的不均匀照度，天然比任何单光源方案更有真实感。关键是把光源的特征写具体——”路灯色温偏高”比”暖光环境”有力得多。写好环境光还有一个被低估的技巧：让光线与材质产生互动。湿润的柏油路面反射路灯暖光、玻璃窗反射霓虹灯冷光——光线+材质互动的描述比单纯写”XXX光源”多一层画面纵深感。
4. 服化道维度：用非默认细节锁死平均值。
不要写”穿着时尚”，要写”黑色背心外搭米白露肩长袖”。不要写”戴首饰”，要写”黑色串珠颈圈 + 长款圆环耳环”。每增加一个具体细节，AI 的随机脑补空间就缩小一圈。选品时优先选择非商业、非通用的风格元素——越不”平均”，结果越不”AI”。这个维度和姿态维度的协同效应要特别留意：服化道在静态模特身上是造型，在蹲姿的非展示性身体语言中则变成”看不见的细节”——读者不一定能逐样辨认出串珠颈圈或圆环耳环，但这些具体指令在 Prompt 层面阻止了 AI 用默认审美模板替代人物穿搭，最终呈现的是一种”没有在精心打扮”的真实感。
物理约束编码 vs 反精致编码：两种去 AI 感路径的不同分工
本站此前拆解过「反精致编码法」——用 Prompt 文本层面的精确层 + 随机层 + 碰撞层来打乱 AI 的结构化输出。物理约束编码法和反精致编码法解决的是同一个问题（去 AI 感），但走的是两条完全不同的路径。反精致编码法关注的是 Prompt 的文本结构：句子的排列方式、词序的意外性、指令序列中的矛盾张力。物理约束编码法关注的是 Prompt 的内容层面：被摄对象的物理状态、光线的真实来源、环境的不可控性、衣物的具体品类。前者是”让 AI 意想不到”，后者是”让 AI 无法美化”。
所以这两套框架不是替代关系，而是互补关系。在同一篇文章的 Prompt 中，可以用物理约束编码法定下内容的真实基调，再用反精致编码法在句子结构上制造文本层的不可预测性。两个框架叠加后，AI 在内容和形式两个维度上都被剥夺了”美化”的空间。
当然，两个框架不必每次都用。如果物理约束本身已经足够强力——就像这条夜景街拍 Prompt——单独使用一个框架也完全够用。选择哪个、要不要叠加，取决于 Prompt 的目标复杂度和期望效果。
评论0